Разработка и внутренняя валидация алгоритмов машинного обучения для модели прогнозирования риска терминальной почечной недостаточности у пациентов с сахарным диабетом 2 типа и диабетической болезнью почек

Цель: Диабетическая болезнь почек (ДБП) — наиболее частая причина терминальной почечной недостаточности (ТПН), связанная с повышением заболеваемости и смертности у пациентов с сахарным диабетом. Выявление факторов риска прогрессирования ДБП до ТПН может способствовать раннему выявлению заболевания, своевременному вмешательству и улучшению прогноза. Целью настоящего исследования было создание модели прогнозирования риска развития ТПН вследствие ДБП у пациентов с сахарным диабетом 2 типа (СД2).

Методы: В период с января 2008 года по июль 2019 года в исследование включили 390 пациентов из Китая с СД2 и ДБП, подтвержденной чрескожной биопсией почки; длительность наблюдения составила не менее 1 года. Для выявления ключевых клинических и морфологических признаков и построения модели прогнозирования риска ТПН использовали четыре алгоритма машинного обучения: градиентный бустинг, метод опорных векторов, логистическую регрессию и случайный лес (RF).

Результаты: За медиану наблюдения 3 года зарегистрировали 158 событий почечного исхода — случаев ТПН (40,51%). Наилучшие результаты прогнозирования прогрессирования до ТПН показал алгоритм случайного леса: площадь под ROC-кривой (AUC) составила 0,90, точность (ACC) — 82,65%. Алгоритм случайного леса выявил пять основных факторов: цистатин C, сывороточный альбумин (sAlb), гемоглобин (Hb), общую суточную экскрецию белка с мочой и расчетную скорость клубочковой фильтрации. На основании этих пяти прогностических факторов построили номограмму для прогнозирования развития ТПН.

Выводы: Алгоритмы машинного обучения позволяют эффективно прогнозировать развитие ТПН у пациентов с ДБП. По сравнению с ранее разработанными моделями в настоящей модели особое значение придавалось сывороточному альбумину и гемоглобину.

Основные положения: Выявление факторов риска прогрессирования ДБП до ТПН может улучшить прогноз за счет раннего выявления заболевания и своевременного вмешательства.

С помощью алгоритмов машинного обучения построена модель прогнозирования риска ТПН у пациентов с СД2 и ДБП. Основными прогностическими факторами оказались цистатин C (CysC), сывороточный альбумин (sAlb), гемоглобин (Hb), расчетная скорость клубочковой фильтрации (eGFR) и общий белок мочи (UTP).

В отличие от лечения пациентов с СД2 на ранних стадиях, с легким поражением почек или без него, у пациентов с СД2 и выраженной ДБП для отсрочки наступления ТПН основное внимание следует уделять показателям функции почек, питания, анемии и протеинурии, а не возрасту, полу, контролю артериальной гипертензии и гликемии.

Что уже известно?

Что показало это исследование?

Каковы практические последствия исследования?